基于改进粒子群算法的神经网络PID控制研究

BP神经网络PID控制是利用BP神经网络的自学习和逼近任意非线性函数功能,对PID控制器的三个参数进行在线整定,但网络初始权值的选取困难.采用改进的PSO算法优化BP神经网络的初始权值,并对基于PAO算法的BP神经网络PID控制进行仿真实验.仿真结果表明,PSO算法使得网络初始权值的选取比较快速,系统的性能有所提高.     

基于神经网络PID的船用电压型逆变电源研究

针对传统PID控制存在着参数整定难、动态性能差等问题,无法满足现代船用三相逆变电源的新要求,从常用的电压型逆变电源入手,选定了三相半桥拓扑。通过坐标变换,将其转换到两相旋转坐标轴下分析问题,利用SVPWM算法对其进行了控制。提出了一种神经网络与PID控制相结合的方法,利用BP神经网络控制灵活、适合时变的或非线性的控制对象等特点,配合简单精确的PID控制,使得两者很好地发挥了各自的优势。同时,对改进型PSO算法对BP神经网络的初始权值进行了优化,并最终通过实验来进行验证。研究结果表明:应用PSO优化BP神经网络PID控制的三相逆变电源有很好的效果,电压总谐波控制在一定指标之内,并且在突加突卸实验时表现出更优异的动态特性,超调更小,响应更快。     

一种确定神经网络初始权值的新方法

针对BP神经网络对易陷入局部极小的缺点,结合粒子群优化算法(PSO)在全局搜索上的良好性能,提出了一种新的算法--PSO-BP混合算法.该算法先用PSO算法将BP网络的初始权值优化到全局极小点附近,然后用传统BP神经网络学习算法进行进一步优化,仿真表明:该方法很好地解决了BP神经网络对初始值敏感、易局部收敛的问题.     

基于HMPSO和BP神经网络算法的中频淬火工艺参数预测

中频淬火通过人工控制和PID控制工艺参数难以保证产品质量,因此,基于微粒群优化算法和BP神经网络算法提出了一种基于HMPSO的BP神经网络工艺参数控制方法,首先介绍了微粒群优化算法和BP神经网络算法,接着建立了基于HMPSO的BP神经网络工艺参数控制方法,最后对中频淬火控制系统进行MATLAB仿真研究,结果表明,该方法稳定、有效,可提高中频淬火的质量。     

基于模糊神经网络的精密角度定位PID控制

针对精密角度定位系统存在非线性、时变性,传统PID控制难以获得理想控制效果的问题,提出一种基于模糊神经网络的PID控制方法,将模糊控制、神经网络与PID控制相结合,采用3层前向网络、动态BP算法,利用神经网络的自学习和自适应能力,实时调整网络的权值,改变PID控制器的控制参数,整定出一组适用于控制对象的kp、ki、kd参数,实现精密角度定位PID控制的自适应和智能化。实验结果表明,采用BP神经网络整定的PID控制较传统的PID控制,控制性能有较大的提高,能有效提高定位精度,缩短定位时间。     

基于PSO的神经网络机械臂自校正控制

粒子群优化算法(PSO)基于群体的演化算法,本质上是一种随机搜索算法,并能以较大概率收敛到全局最优.针对非线性机械臂系统,利用径向基函数(RBF)神经网络和PID控制器作为混合控制器,运用PSO算法对神经网络参数进行在线学习优化,同时在PID控制器的辅助下对机械臂系统进行在线自校正控制.计算机仿真表明,该控制器具有较高的控制精度和响应速度,可以满足机械臂工作要求.     

基于模糊BP网络的自适应PID控制

针对经典PID控制的参数不能在线调整的缺陷,提出了一种基于模糊BP神经网络的PID控制算法,采用模糊规则自动地调节BP神经网络训练过程的学习参数,利用神经网络较强的学习能力和模糊控制在模型未知或不精确前提下的控制能力,将其应用到PID控制中[1],实现了PID控制参数的在线调整和优化,并对其在非线性离散系统中的应用进行了仿真。实验结果表明该算法性能优良,加快了系统响应速度,减少了超调量,适用于纯滞后非线性系统。     

污水处理自动化控制系统控制策略研究

结合污水处理过程的特点,将BP算法与传统PID控制进行有机结合,构造基于BP神经网络的PID控制,实现PID控制器参数的在线整定。将该控制策略应用于污水处理系统的溶解氧浓度控制中,并与常规PID控制效果进行了仿真实验和对比研究,结果表明基于BP神经网络的PID控制法有着传统PID方法无法比拟的优势。     

基于改进型BP神经网络PID控制器在转台系统中的应用研究

为改善转台系统性能,针对传统的PID控制参数难以获得较理想的控制效果,设计了一种基于改进型BP神经网络的PID控制器。介绍了PID控制器的结构和BP神经网络算法描述,利用最小二乘法和神经网络建立被控对象的预测数学模型,并用该模型所计算的预测输出取代预测输出的实测值,对基于BP网络的PID控制器的权值调整算法进行改进。以某转台模型为对象,建立了转台控制系统的数学模型并对其进行仿真。仿真结果表明,改进型BP神经网络PID控制器具有良好的控制效果,跟踪精度高、性能稳定及鲁棒性强,能更为有效地应用到转台系统中。     

基于改进PSO算法整定PID参数的设计与研究

比例-积分-微分（Proportion-Integral-Differential,PID）控制设计简单、工作原理易掌握、调整参数少,多应用于工业自动控制领域。针对传统参数整定方法时间长、精确度低等问题,提出基于惯性权重自适应粒子群优化（Particle Swarm Optimization,PSO）算法快速整定PID参数的方法,在验证改进算法可行性的基础上,以二阶延迟系统为被控对象进行仿真实验。实验结果表明,利用PSO算法优化后的PID控制器,在系统的控制上拥有更好的控制效果,提高了系统的稳定性。